Los Agentes de IA y los Agentes Conversacionales están redefiniendo la interacción humano-computadora. Este curso intensivo ofrece una inmersión completa, desde los fundamentos teóricos hasta la implementación práctica. Exploraremos el ciclo de vida completo del desarrollo de agentes, destacando la importancia crítica del diseño de la conversación. Se analizará el impacto de estas tecnologías y su futuro como área de investigación. Los participantes aprenderán a diseñar y construir agentes utilizando herramientas y plataformas líderes de IA, y comprendiendo los patrones de frameworks influyentes como LangChain o Google ADK. El curso balanceará teoría y práctica, preparando a los estudiantes para crear soluciones de agentes sofisticadas, escalables y centradas en el usuario, cubriendo temas desde RAG hasta sistemas multi-agente.
Objetivos del curso
Al finalizar el curso, los estudiantes serán capaces de:
Comprender los conceptos fundamentales, la arquitectura y la taxonomía de los Agentes de IA y los Agentes Conversacionales.
Diferenciar entre agentes basados en reglas, modelos de recuperación (RAG) y modelos generativos.
Dominar el ciclo de vida del desarrollo de un agente, desde la concepción y el diseño hasta el despliegue y la iteración.
Aplicar principios fundamentales de diseño conversacional (diseño de personalidad, flujos de diálogo, manejo de errores).
Utilizar plataformas de IA conversacional y búsqueda para prototipar agentes.
Implementar agentes complejos (Tool-Use) utilizando frameworks de desarrollo de agentes (ADKs).
Reconocer los patrones de diseño de agentes de frameworks clave como LangChain.
Analizar los conceptos de sistemas multi-agente (MAS) y comunicación Agente-a-Agente (A2A).
Evaluar el rendimiento y la calidad de un agente.
Identificar el impacto actual y futuro de los agentes en la industria y las líneas de investigación activas.
Área: Computing Methodologies - Artificial Intelligence - Agents
Listado de temas
Fundamentos de Agentes de IA: Definiciones, taxonomía (reactivos, BDI, etc.).
Agentes Conversacionales: De chatbots a agentes generativos.
El rol de los LLMs en la nueva generación de agentes.
Ciclo de Vida del Desarrollo de Agentes: Descubrimiento, Diseño, Construcción, Pruebas, Despliegue.
Diseño Conversacional (CxD): Persona, Tono de Voz, Flujos de Diálogo, Manejo de Errores.
Arquitecturas de Agentes: Basadas en reglas, recuperación (RAG) y generativas.
Tool Use y Function Calling: Conectando agentes con APIs y sistemas externos.
Plataformas de IA Conversacional y Búsqueda (ej. Dialogflow, RAG).
Frameworks de desarrollo de Agentes: Conceptos y patrones de LangChain.
Kits de Desarrollo de Agentes (ADKs): Arquitectura, componentes y casos de uso.
Sistemas Multi-Agente (MAS): Comunicación A2A y Protocolos (ej. MCP).
Evaluación de Agentes: Métricas y metodologías.
Impacto, Ética y Futuro: Tendencias y Áreas Abiertas de Investigación.
Programa
Día 1 — Fundamentos y los modelos de Lenguaje
Introducción: ¿Qué es un Agente de IA? ¿Y un Agente Conversacional?
Taxonomía de Agentes. Impacto y futuro como área de investigación.
Ecosistema de herramientas de IA: Plataformas Conversacionales y de ML.
Día 2 — El Diseño es Clave
El Ciclo de Vida del Desarrollo de Agentes.
Principios de Diseño Conversacional (CxD) - Parte 1: Personas y Tono.
Principios de Diseño Conversacional (CxD) - Parte 2: Flujos de diálogo y manejo de errores.
Día 3 — Construyendo Agentes RAG y Basados en Tareas
Arquitecturas de Agentes: RAG (Retrieval-Augmented Generation).
Práctica: Creando un agente RAG con herramientas de búsqueda semántica.
Plataformas conversacionales basadas en estado: Flujos, Intents, Entidades.
Día 4 — Agentes Avanzados, Frameworks y ADK
"Tool Use": Conectando agentes a APIs y lógica de negocio.
Patrones de Agentes: Conceptos clave de frameworks (ej. LangChain).
Foco en Kits de Desarrollo de Agentes (ADKs): Arquitectura y Casos de Uso.
Práctica: Prototipado de un agente complejo usando un ADK.
Día 5 — Multi-Agentes, Evaluación y Futuro
Sistemas Multi-Agente (MAS): Comunicación A2A y Protocolos de Cooperación (MCP).
Evaluación de Agentes: Métricas (Task Completion, CSAT, etc.) y Desafíos.
Ética, Tendencias Futuras, Áreas de Investigación Abiertas y Cierre.
Se requieren conocimientos sólidos de programación (preferentemente en Python). Comprensión básica de conceptos de Machine Learning. Se apreciará conocimientos sobre modelos de Lenguajes y Prompting. Familiaridad con el uso de APIs REST.
Freed, Andrew. (2021). Conversational AI. Manning Publications.
Ali-Faisal, M.A. (2023). Architecting Agent-to-Agent Communication: A LangChain Guide to Building Context-Aware Applications. Agent-AI Press.
Wooldridge, M., & Jennings, N. R. (1995). Intelligent agents: Theory and practice. The Knowledge Engineering Review, 10(2), 115-152. (Paper fundacional clásico).
Xi, Z., et al. (2023). The Rise and Potential of Large Language Model Based Agents: A Survey. arXiv preprint arXiv:2309.07864. (Survey moderno del estado del arte).
Desarrollado por el Departamento de Computación, FCEyN, UBA